当前位置: 首页 > article >正文

AI模型提示词(prompt)优化-实战(一)

一、prompt作用

用户与AI模型沟通的核心工具,用于引导模型生成特定内容、控制输出质量、调整行为模式,并优化任务执行效果,从而提升用户体验和应用效果

二、prompt结构

基本结构

角色:设定一个角色,给AI模型确定一个基准,知道这个prompt角色是干什么的,擅长做什么。

例:你是一名大学教授,精通各种历史问题

任务(指令):明确具体的任务内容,需要做什么事情。

例:解答学生各种问题

上下文(背景):在什么环境、前提、背景下、前置的条件

例子:现在正在进行课堂提问环节,有学生向你提问

约束(规则/限制):限制一些内容,要求等

例子:1、回答要简短,使用100个字以内的内容,回答

           2、回答完成后,需要加一句“还有什么不明白的吗,同学”

输入数据:提问的内容

例子:老师,朱元璋是怎么当上皇帝的

备注:输入数据,可以放在提示词中,也可以在下次的问答中,提出

输出格式:要求以什么格式返回

例子:

首先说:这个同学的问题很好

然后说:回答问题的内容

案例:提供案例,AI模型去理解,去模仿

例子:

问:老师,刘备怎么认识关羽的

答:这个同学的问题很好,黄巾之乱爆发后,东汉朝廷为了平叛,各地纷纷组织力量镇压黄巾军。刘备在涿县看到招兵榜文后,一声叹息,引出了张飞。两人在村里的店中喝酒聊天,关羽随后也进了这家店,三人一见如故,最终在张飞家后的桃园中结拜为兄弟。还有什么不明白的吗,同学。

汇总 

角色:你是一名大学教授,精通各种历史问题
任务(指令):解答学生各种问题
上下文(背景):现在正在进行课堂提问环节,有学生向你提问
约束:1、回答要简短,使用100个字以内的内容,回答  
           2、回答完成后,需要加一句“还有什么不明白的吗,同学”
输出格式: 首先说:这个同学的问题很好
                   然后说:回答问题的内容
案例: 问:老师,刘备怎么认识关羽的
答:这个同学的问题很好,黄巾之乱爆发后,东汉朝廷为了平叛,各地纷纷组织力量镇压黄巾军。刘备在涿县看到招兵榜文后,一声叹息,引出了张飞。两人在村里的店中喝酒聊天,关羽随后也进了这家店,三人一见如故,最终在张飞家后的桃园中结拜为兄弟。还有什么不明白的吗,同学。

你理解吗,理解回复“是”

三、prompt类型

嵌套式的提示词(非GPS、非智能体)

输入内容,嵌套到提示词内。常用直接在上下文的聊天中

提示词

1. 指令(Instruction):请总结以下文本的主要内容。
2. 输入数据(Input Data):文本:[今日是个好天气,我准备和朋友小明一去骑单车去河边钓鱼,一直到晚上]
3. 上下文(Context):总结不超过50字。
4. 输出指示器(Output Indicator):输出格式:\n### 总结\n{总结内容}

常见的AIGC聊天窗口

全局式的提示词

填写一次prompt后,后面二次输入只需内容即可。(上下文的长度通常有限制,各平台不同,通常10次以后,prompt的输入就会无效)

例子1

提示词

1. 指令(Instruction):请根据输入内容总结。
2. 输入数据(Input Data):输入内容:[XXXXXX]
3. 背景信息(Context):总结不超过50字。
4. 输出指示器(Output Indicator):输出格式:\n### 总结\n{总结内容}


输入

输入内容:我买的商品有质量问题,包装也破损了,非常不满意!


例子2

1. 指令(Instruction):根据输入内容,分析总结。
2. 背景信息(Context):你是一个语言文学大师,总结不超过50字。
3. 输出指示器(Output Indicator):输出格式:\n### 总结\n{总结内容}

输入

输入内容:小明今天需要骑单车去郊外露营,和他的小伙伴一起

以下两款都提供可以自己设计prompt,类似“智能体”应用

 腾讯元宝 - 轻松工作 多点生活
豆包

微软的openai

四、优化

简单任务:分解复杂目标

AI对线性逻辑更敏感,多任务处理易导致信息丢失

  • 错误示范:
    "分析今年市场趋势并预测明年经济走势"

  • 优化方案:
    ① 列出2023年各季度GDP增长率、CPI指数
    ② 对比近三年行业投资分布图
    ③ 基于上述数据预测2024年Q2经济走势

具体任务:量化关键参数
  • 三维度具体化法

    1. 范围限定(时间/空间)

    2. 形式要求(格式/字数)

    3. 内容框架(要素/角度)

  • 对比案例

    • 模糊指令:
      "介绍法国旅游"

    • 具体指令:
      "用表格形式列出巴黎3个冷门博物馆:需包含建馆时间、特色藏品、参观时长(控制在200字内)"

避免使用不明确的描述
  • 操作框架

    1. 明确输出形式(代码/文案/图表)

    2. 定义质量维度(深度/广度/严谨性)

    3. 设定验证条件(如通过单元测试/查重率<5%)

  • 典型场景

    • 模糊需求:
      "生成有创意的产品方案"

    • 明确需求:
      "设计智能水杯方案:需包含①紫外线杀菌功能 ②饮水习惯追踪算法 ③3种差异化材质选择(陶瓷/钛合金/竹纤维)"

使用“做什么“,不用“不做什么”
  • 认知心理学依据:人类大脑对否定指令需额外认知转化

  • 重构技巧

    • 否定式:
      "不要写专业术语"
      → 正向式:
      "用小学五年级能理解的语言解释量子力学"

    • 禁止式:
      "避免主观臆断"
      → 规范式:
      "陈述时标注数据来源,如'根据2023年世卫组织报告...'"

五、实战

创建一个prompt提示词

这里借助腾讯的智能体AI,快速生成一个提示词

腾讯元宝 - 轻松工作 多点生活

优化prompt提示词

腾讯元器

学习参考:设计提示的通用技巧 | Prompt Engineering Guide


http://www.kler.cn/a/518297.html

相关文章:

  • 动手学图神经网络(5):使用Cluster - GCN方法来扩展GNNs
  • 网盘资源查找工具---AI功能
  • 【Linux线程总结】VMA ELF 地址转换 同步和互斥 条件变量 PC模型 循环队列 POSIX信号量 线程池
  • 【6】YOLOv8 训练自己的分割数据集
  • 浅谈Redis
  • 电力场效应晶体管(电力 MOSFET),全控型器件
  • css遇到的一些问题
  • Kafka生产者ACK参数与同步复制
  • 简洁明了:介绍大模型的基本概念(大模型和小模型、模型分类、发展历程、泛化和微调)
  • 人工智能丨视觉识别在自动化测试中的应用
  • npm link 作用
  • 如何理解 Web3 背后的技术:区块链与去中心化存储
  • PHP异步非阻塞MySQL客户端连接池
  • 1. 小众但非常实用的 CSS 属性
  • 69.在 Vue 3 中使用 OpenLayers 拖拽实现放大区域的效果(DragPan)
  • 如何使用phpStudy在Windows系统部署静态站点并实现无公网IP远程访问
  • 2025年美赛C题:奥运奖牌榜模型 解析及Python代码实现
  • 【xcode 16.2】升级xcode后mac端flutter版的sentry报错
  • Arduino大师练成手册 -- 读取红外接收数据
  • 国产编辑器EverEdit - 命令窗口应用详解
  • WPF实战案例 | C# WPF实现计算器源码
  • Vue中设置报错页面和“Uncaught runtime errors”弹窗关闭
  • 高级java每日一道面试题-2025年01月24日-框架篇[SpringMVC篇]-SpringMVC常用的注解有哪些?
  • cursor远程调试Ubuntu以及打开Ubuntu里面的项目
  • ray.rllib 入门实践-4: 构建算法
  • debian12使用kvm安装windows系统